Samodejno prevajanje
Lekcija je bila na novo napisana 3. novembra 2026. Prej se je zanašala na končno točko
/v1/audio/translationsin modelwhisper-1, ki sta bila opuščena in ukinjena 26. februarja 2027, prav tako pa tudi na prilagojeno sejo pomočnika Realtime, ki je delovala kot tolmač. OpenAI zdaj ponuja dve poti: za posnetke prepis v izvirnem jeziku zgpt-transcribe, ki mu sledi besedilni prevod; za govor v živo pa namensko sejo za prevajanje zgpt-realtime-translate. Koda je bila preverjena s SDKopenai3.42.1 in knjižnicowebsocket-client. Viri: Prepis datotek · Prevajanje v realnem času · Opustitve.
Dve potrebi, dve orodji
Prevajanje zvoka zajema dva zelo različna scenarija, OpenAI pa ju obravnava z različnimi orodji:
| Potreba | Orodje od novembra 2026 | Rezultat |
|---|---|---|
| Posnetek za prevod (sestanek, podkast, arhivirani klic) | gpt-transcribe za prepis v izvirnem jeziku, nato jezikovni model za prevod | Prevedeno besedilo v ciljnem jeziku |
| Govor v živo za tolmačenje (klic, konferenca, predavanje) | Seja za prevajanje v realnem času z gpt-realtime-translate | Preveden zvok in prepisi, ustvarjeni med potekom govora |
Stara pot: /v1/audio/translations z whisper-1 | Opuščeno, ukinjeno 26. februarja 2027 | Samo besedilo v angleščini |
Vodnik OpenAI poudarja eno ključno točko: sama sprememba ID-ja modela v zahtevi /v1/audio/translations ne zagotavlja selitve. Stara končna točka, ki je omogočala prevod le v angleščino, nima neposredne zamenjave.
Prevajanje posnetka
Ta metoda najprej zvesto prepiše govor v izvirnem jeziku, nato pa prevede besedilo. Deluje za kateri koli ciljni jezik – za razliko od stare končne točke, ki je proizvajala le angleščino – in ti omogoča dostop do obeh besedil, kar je koristno za preverjanje:
from openai import OpenAI
client = OpenAI()
def translate_recording(path: str, target_language: str) -> dict[str, str]:
"""Prepiše posnetek v njegovem izvirnem jeziku, nato prevede besedilo."""
with open(path, "rb") as f:
transcription = client.audio.transcriptions.create(model="gpt-transcribe", file=f)
response = client.responses.create(
model="gpt-6-luna",
instructions=(
f"Prevedi besedilo, ki ga je zagotovil uporabnik, v {target_language}. "
"Ohrani ton in slog. Odgovori samo s prevodom."
),
input=transcription.text,
)
return {"original": transcription.text, "translation": response.output_text}
result = translate_recording("reunion_fr.mp3", "nemščina")
print(result["translation"])
Dve izbiri si zaslužita pojasnilo. Navodilo za prevod gre v instructions, medtem ko prepis prispe kot navadni podatki v input: posnetek lahko vsebuje karkoli, vključno s stavkom, ki izgleda kot ukaz, in ne sme imeti možnosti spreminjanja navodila. Model gpt-6-luna je tisti, ki ga OpenAI priporoča za obsežno obdelavo, občutljivo na stroške; za občutljiva pravna ali tehnična besedila izberi zmogljivejši model, kot je gpt-6.1-sol.
Tolmačenje govora v živo
Za prevajanje medtem, ko nekdo govori, OpenAI ponuja posebno vrsto seje Realtime. Vodnik jo jasno ločuje od seje glasovnega agenta:
| Seja glasovnega agenta | Seja za prevajanje |
|---|---|
Poveže se z /v1/realtime | Poveže se z /v1/realtime/translations |
| Model deluje kot pomočnik | Model deluje kot tolmač |
Cikel pogovora in odgovora (response.create) | Neprekinjen tok vhodnega zvoka, brez response.create |
| Lahko kliče orodja | Proizvaja preveden zvok in prepise |
Prenos je odvisen od tega, kam prispe zvok. V brskalniku WebRTC pošlje vhod z mikrofona in prejme prevedeni glas kot zvočne sledi; tvoj strežnik za to ustvari kratkoživi skrivni ključ klienta prek /v1/realtime/translations/client_secrets, tako da tvoj API ključ nikoli ne zapusti strežnika. Na strani strežnika, ko zvok že prispe surov (telefonski tok, zajem), zadostuje povezava WebSocket:
import base64
import json
import os
import websocket # pip install websocket-client
ws = websocket.WebSocket()
ws.connect(
"wss://api.openai.com/v1/realtime/translations?model=gpt-realtime-translate",
header=[
f"Authorization: Bearer {os.environ['OPENAI_API_KEY']}",
"OpenAI-Safety-Identifier: hashed-user-id", # razpršen identifikator tvojega uporabnika
],
)
# Izhodni jezik tolmača
ws.send(json.dumps({"type": "session.update", "session": {"audio": {"output": {"language": "en"}}}}))
def send_audio(pcm16: bytes) -> None:
"""Doda kos izvornega zvoka: 16-bitni PCM, mono, 24 kHz."""
ws.send(json.dumps({"type": "session.input_audio_buffer.append", "audio": base64.b64encode(pcm16).decode()}))
Medtem ko pošiljaš zvok, vključno s tišinami, seja vrača dogodke za obdelavo v realnem času: session.output_audio.delta nosi preveden zvok v base64, session.output_transcript.delta prevedeno besedilo in session.input_transcript.delta prepis izvirnika. Ko vir utihne, pošlji session.close: storitev dokonča trenutni prevod, nato pa odgovori z session.closed.
translation: list[str] = []
while True:
event = json.loads(ws.recv())
if event["type"] == "session.output_transcript.delta":
translation.append(event["delta"])
elif event["type"] == "error":
raise RuntimeError(f"Napaka pri prevajanju: {event['error']['code']}")
elif event["type"] == "session.closed":
break
ws.close()
print("".join(translation))
Ne zanemarj dogodka error: zavrnjen ključ ne povzroči napake same povezave; ta prispe tik zatem kot dogodek error s kodo invalid_api_key (opaženo 3. novembra 2026). V proizvodnem okolju poteka sprejemanje vzporedno s pošiljanjem, v ločeni niti ali opravilu, preveden zvok pa se predvaja ali pošilja v telefonsko linijo, ko prispe: uradni vodnik ponuja popolno različico, vključno s predvajanjem zvoka.
Ključne ugotovitve
/v1/audio/translationsinwhisper-1sta bila ukinjena 26. februarja 2027 brez neposredne zamenjave: sprememba modela ni dovolj- Za posnetek:
gpt-transcribev izvirnem jeziku, nato besedilni prevod z jezikovnim modelom v poljuben jezik - Navodilo za prevod ohrani v
instructions, prepis pa kot navadne podatke - Za govor v živo: seja za prevajanje (
/v1/realtime/translations,gpt-realtime-translate), ki deluje kot tolmač, brezresponse.create - WebRTC v brskalniku s skrivnim ključem klienta, ki ga ustvari strežnik; WebSocket na strani strežnika z 16-bitnim PCM zvokom pri 24 kHz